龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京邮电大学
申请日：2024-05-28
公开（公告）日：2024-06-28
公开（公告）号：CN118261400A
主分类号：G06Q10/0631
分类号：G06Q10/0631;G06Q50/26
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明属于物联网和强化学习的交叉技术领域，公开了一种基于改进Q_Learning算法的协同无人机集群资源调度方法，通过两个阶段的强化学习任务调度框架实现，强化学习任务调度框架包括两个阶段：第一阶段实现外界任务从中心到中继的分配和第二阶段实现任务从中继到终端的调度。本发明结合了无人机集群组网优化、能量补给和强化学习任务调度，实现了多模态协同无人机集群中的智能任务分配、资源优化管理、能量持续补给，能够实现高效、均衡的任务调度，具有调度精度高、响应速度快、资源利用率高、可扩展性强等优点，显著提高无人机集群任务调度的效率和质量，为无人机领域的发展提供了技术支持和创新方向。
主权项：1.一种基于改进Q_Learning算法的协同无人机集群资源调度方法，其特征在于：所述协同无人机集群资源调度方法通过两个阶段的强化学习任务调度框架实现，所述强化学习任务调度框架包括两个阶段：第一阶段实现外界任务从中心到中继的分配和第二阶段实现任务从中继到终端的调度，具体的所述协同无人机集群资源调度方包括以下步骤：步骤1、中心无人机、中继无人机、终端无人机和充电无人机飞抵目标位置，无人机集群网络初始化；步骤2、外界应用程序生成任务处理请求，任务中包含程序类型、数据量大小、任务截止时间的属性值，将所述任务请求发送给中心无人机；步骤3、中心无人机收到外界应用程序生成的任务后，使用强化学习任务调度框架的第一阶段的方法，将任务分配到中继无人机中；步骤4：中继无人机收到任务后，使用强化学习任务调度框架的第二阶段的方法，将任务分配到终端无人机中执行；步骤5：充电无人机根据无人机集群网络的电量状态，完成无人机集群中中心无人机、中继无人机、终端无人机的充电工作；步骤6：任务结束后，无人机集群网络返航。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于改进Q_Learning算法的协同无人机集群资源调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号